如何将多个数据帧组合成一个 violinplot 并添加一个 swarmplot

Question

我有两个数据框，具有不同的形状。我想将小提琴图的两个数据框值绘制成彼此相邻而不是重叠。

import pandas as pd
import numpy as np 
import matplotlib.pyplot as plt

data1 = {
    'DT' : np.random.normal(-1, 1, 100),
    'RF' : np.random.normal(-1, 1, 110),
    'KNN' : np.random.normal(-1, 1, 120)
}
maxsize = max([a.size for a in data1.values()])
data_pad1 = {k:np.pad(v, pad_width=(0,maxsize-v.size,), mode='constant', constant_values=np.nan) for k,v in data1.items()}
df1 = pd.DataFrame(data_pad1) # data frame

data2 = {
    'DT' : np.random.normal(-1, 1, 50),
    'RF' : np.random.normal(-1, 1, 60),
    'KNN' : np.random.normal(-1, 1, 80)
}

maxsize = max([a.size for a in data2.values()])
data_pad2 = {k:np.pad(v, pad_width=(0,maxsize-v.size,), mode='constant', constant_values=np.nan) for k,v in data2.items()}
df2 = pd.DataFrame(data_pad2) # dataframe2 

#plotting 
fig, ax = plt.subplots(figsize=(15, 6))
ax = sns.violinplot(data=df1, color="blue")
ax = sns.violinplot(data=df2, color="red")
plt.show()

这是我的输出图像。

但我想让每个蓝色和红色的小提琴图彼此相邻而不是重叠。我还想通过群图显示数据点。

Answer 1

Seaborn 最容易处理“长格式”数据。您可以直接从给定的字典创建这样的数据框，而无需填充 NaN。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

data1 = {'DT': np.random.normal(-1, 1, 100),
         'RF': np.random.normal(-1, 1, 110),
         'KNN': np.random.normal(-1, 1, 120)}
data2 = {'DT': np.random.normal(-1, 1, 50),
         'RF': np.random.normal(-1, 1, 60),
         'KNN': np.random.normal(-1, 1, 80)}

df = pd.DataFrame([[label, val, 'data1'] for label, values in data1.items() for val in values]
                  + [[label, val, 'data2'] for label, values in data2.items() for val in values],
                  columns=['label', 'value', 'source'])

fig, ax = plt.subplots(figsize=(15, 6))
sns.violinplot(data=df, x='label', y='value', hue='source', palette=['cornflowerblue', 'indianred'], ax=ax)
ax.set(xlabel='', ylabel='')  # remove labels set by seaborn
sns.despine()
plt.show()

PS：要将小提琴情节与群体情节结合起来，您还需要hue=和dodge=True，例如sns.swarmplot(data=df, x='label', y='value', hue='source', palette=['black', 'black'], dodge=True, ax=ax)。您可能还想删除 violinplot 的现有 inner。

sns.violinplot(data=df, x='label', y='value', hue='source', palette=['cornflowerblue', 'indianred'], saturation=1, inner=None, ax=ax)
sns.swarmplot(data=df, x='label', y='value', hue='source', palette=['black', 'black'], dodge=True, legend=False, ax=ax)

或者，您可以创建一个拆分小提琴图：

sns.violinplot(data=df, x='label', y='value', hue='source', palette=['lightgrey', 'lightyellow'], saturation=0.5,
               inner=None, split=True, ax=ax)
sns.swarmplot(data=df, x='label', y='value', hue='source', palette=['cornflowerblue', 'indianred'], ax=ax)

Answer 2

我建议重新标记每个数据框中的列以反映数据框编号，例如:

data2 = {
    'DT2' : np.random.normal(-1, 1, 50),
    'RF2' : np.random.normal(-1, 1, 60),
    'KNN2' : np.random.normal(-1, 1, 80)
}

然后你可以：

1. 连接两个数据帧：

   df = pd.concat([df1, df2], 轴=1)

2. 定义你自己的调色板：

   my_palette = {“DT1”：“蓝色”，“DT2”：“红色”，“KNN1”：“蓝色”，“KNN2”：“红色”，“RF1”：“蓝色”，“RF2”：“红色” }

3. 然后使用 order 参数强制绘图顺序：

   sns.violinplot(data=df, order = ['DT1', 'DT2', 'KNN1', 'KNN2', 'RF1', 'RF2'], palette=my_palette)

   这会产生以下结果：

   编辑：

   您可以手动设置标签以替换每个标签对（例如DT1、DT2) 带有单个标签 (例如DT):

   locs, labels = plt.xticks()  # Get the current locations and labels.
   plt.xticks(np.arange(0.5, 4.5, step=2))  # Set label locations.
   plt.xticks([0.5, 2.5, 4.5], ['DT', 'KNN', 'RFF'])  # Set text labels.
   

   这产生：